Dans R, les données catégorielles sont traitées comme des facteurs. Par définition, les données catégorielles sont limitées en ce sens qu'elles ont un nombre défini de valeurs possibles qu'elles peuvent prendre. Par exemple, il y a 12 mois dans une année civile. Dans une variable "mois", chaque observation ne peut prendre qu'une de ces douze valeurs. Ainsi, avec un nombre limité de valeurs possibles, le mois est une variable catégorielle. Les données catégorielles, qui seront appelées facteurs dans la suite de cette leçon, se retrouvent régulièrement dans les données. Apprendre à travailler efficacement avec ce type de variable vous sera extrêmement utile.

Travailler avec des données textuelles est de plus en plus fréquent dans les projets de science des données. La manipulation de texte est souvent nécessaire pour nettoyer des ensembles de données désordonnés et pour créer des mesures numériques à partir de données textuelles. En outre, le texte lui-même est souvent la donnée et ce module couvre les outils permettant d'extraire des informations du texte.

L'objectif d'une analyse exploratoire est d'examiner ou d'explorer les données et de trouver des relations qui n'étaient pas connues auparavant. Les analyses exploratoires étudient la manière dont les différentes mesures peuvent être liées les unes aux autres, mais ne confirment pas que cette relation est causale, c'est-à-dire qu'une variable en cause une autre. Vous avez probablement entendu la phrase "La corrélation n'implique pas la causalité", et les analyses exploratoires sont à la base de ce dicton. Ce n'est pas parce que vous observez une relation entre deux variables au cours d'une analyse exploratoire que l'une est nécessairement à l'origine de l'autre.

Nous allons maintenant vous montrer comment importer des données à l'aide de nos exemples d'études de cas. Lorsque vous travaillez sur les étapes des études de cas, vous pouvez utiliser soit RStudio sur votre propre ordinateur, soit les espaces de laboratoire Coursera fournis pour chaque étude de cas.

Dans ce projet, vous vous exercerez à l'exploration et à la manipulation de données avec le tidyverse en utilisant les données des plaintes des consommateurs du Consumer Financial Protection Bureau (CFPB).